摘要：现有的基于经验模态分解（EMD）的信号去噪算法，用于幅值取阈以及信号重建的本征模函数（IMF）基本都是靠经验筛选，影响了算法的去噪性能。为解决这一问题，引入噪声残差似然估计（LE-RN）测度以建立 IMF的优化筛选准则。由消噪后的重建信号与原始带噪信号，可以形成一个噪声残差（RN）分量。在不同去噪参数组合下，通过最大化 RN分量与标准正态分布的对数似然，实现 IMF分量的优化筛选。最终，形成一种改进的 EMD基信号去噪方法。借助仿真消噪试验，通过与现有的 EMD基去噪方法进行对比，验证了所提出的去噪参数优选准则及其改进 EMD基去噪方法的有效性。

关键词：经验模态分解 本征模函数 幅值取阈 噪声残差似然估计 信号去噪 

单位：浙江师范大学工学院车辆工程系 金华321004